- •Вступление
- •Общие методические указания
- •Раздел I
- •Лабораторная работа № 1
- •Среднесрочное прогнозирование
- •Порядок выполнения работы
- •Контрольные вопросы
- •Варианты заданий к лабораторной работе № 1
- •Множественная регрессия и корреляция Методические указания
- •Лабораторная работа № 2
- •Порядок выполнения работы
- •Входные данные
- •(Форма)
- •Пример расчета
- •Теоретические уровни тренда
- •Контрольные вопросы:
- •Статистические данные к лабораторной работе № 2
- •Раздел III
- •Сглаживание динамических рядов. Составляющие компоненты
- •Ряд Фурье и его использование в сглаживании и прогнозировании
- •Расчет параметров по ряду Фурье
- •Четыре периодические составляющие динамического ряда производства продукции м
- •Остаточная дисперсия и коэффициент детерминации по уравнениям с разным числом гармоник
- •Прогнозирование при наличии сезонной компоненты
- •С линейной тенденцией
- •Расчет показателей сезонности для числа официально зарегистрированых безработных
- •Сезонная компонента в аддитивной и мультипликативной моделях
- •Разложение уровней ряда по мультипликативной модели
- •Лабораторная работа № 3
- •С сезонной (периодической) компонентой
- •Порядок выполнения работы
- •Вспомогательная таблица
- •Вспомогательная таблица
- •Контрольные вопросы
- •Варианты заданий к лабораторной работе № 3
- •Раздел IV
- •Определение коэффициентов
- •Контрольные вопросы
- •Варианты заданий к лабораторной работе № 4
- •Раздел V Исследования качественных показателей в экономике Лабораторная работа № 5
- •Основные теоретические ведомости:
- •Пример тетрахорической таблицы:
- •Постановка задачи
- •Порядок выполнения:
- •Порядок выполнения:
- •Порядок выполнения:
- •Варианты заданий к лабораторной работе № 5
- •Литература:
- •14003, М. Чернігів, вул. Стрілецька, 1.
Раздел I
Простая (с двумя переменными) эконометрическая модель.
Парная регрессия и корреляция
Методические указания
Парная регрессия – уравнение связи двух переменных у и х:
где: у – зависимая переменная (результативный признак);
х – независимая, объясняющая переменная (признак-фактор).
Различают линейные и нелинейные регрессии.
Линейная регрессия:
|
(1.1) |
Нелинейные регрессии делятся на два класса: регрессии, нелинейные отно-сительно включенных в анализ объясняющих переменных, но линейные по оце-ниваемым параметрам.
Регрессии, нелинейные по объясняющим переменным:
полиномы разных степеней
(1.2)
равносторонняя гипербола
|
(1.3) |
Регрессии, нелинейные по оцениваемым параметрам:
степенная
(1.4)
показательная
(1.5)
экспоненциальная
|
(1.6) |
Построение уравнения регрессии сводится к оценке ее параметров. Для оцен-ки параметров регрессий, линейных по параметрам используют метод наимень-ших квадратов (МНК). МНК позволяет получить такие оценки параметров, при которых сумма квадратов отклонений фактических значений результативного признака у от теоретических ух минимальна, т.е.
|
(1.7) |
Для линейных и нелинейных уравнений, приводимых к линейным, решается следующая система относительно а и b:
|
(1.8) |
Можно воспользоваться готовыми формулами, которые вытекают из этой сис-темы:
|
(1.9) |
Тесноту связи изучаемых явлений оценивает линейный коэффициент парной корреляции rху для линейной регрессии (–1≤rху≤1):
|
(1.10) |
и индекс корреляции рху – для нелинейной регрессии (0≤рху≤1):
|
(1.11) |
Оценку качества построенной модели даст коэффициент (индекс) детермина-ции, а также средняя ошибка аппроксимации.
Средняя ошибка аппроксимации – среднее отклонение расчетных значений от фактических:
|
(1.12) |
Допустимый предел значений – не более 8-10%.
Средний коэффициент эластичности показывает, на сколько процентов в среднем по совокупности изменится результат у от своей средней величины при изменении фактора х на 1% от своего среднего значения:
|
(1.13) |
Задача дисперсионного анализа состоит в анализе дисперсии зависимой пе-ременной:
|
(1.14) |
где:
– общая сумма квадратов;
– сумма квадратов отклонений, обусловленная регрессией («объясненная» или «факторная»);
– остаточная сумма квадратов отклонений.
Долю дисперсии, объясняемую регрессией, в общей дисперсии результатив-ного признака у характеризует коэффициент (индекс) детерминации R2:
|
(1.15) |
Коэффициент детерминации – квадрат коэффициента или индекса корреля-ции.
F-mecm – оценивание качества уравнения регрессии – состоит в проверке ги-потезы Но о статистической незначимости уравнения регрессии и показателя тесноты связи. Для этого выполняется сравнение фактического Fфакт и крити-ческого (табличного) Fтабл значений F – критерия Фишера. Fфакт определяется из соотношения значений факторной и остаточной дисперсий, рассчитанных на одну степень свободы:
|
(1.16) |
где:
n – число единиц совокупности;
m – число параметров при переменных х.
Fтабл – это максимально возможное значение критерия под влиянием случай-ных факторов при данных степенях свободы и уровне значимости а. Уровень зна-чимости а – вероятность отвергнуть правильную гипотезу при условии, что она верна. Обычно а принимается равной 0,05 или 0,01.
Если Fтабл<Fфакт, то Но – гипотеза о случайной природе оцениваемых характе-ристик отклоняется и признается их статистическая значимость и надежность. Ес-ли Fтабл>Fфакт, то гипотеза Но не отклоняется и признается статистическая незна-чимость, ненадежность уравнения регрессии.
Для оценки статистической значимости коэффициентов регрессии и кор-реляции рассчитываются t-критерий Стьюдента и доверительные интервалы каждого из показателей. Выдвигается гипотеза Но о случайной природе показате-лей, т.е. о незначимом их отличии от нуля. Оценка значимости коэффициентов регрессии и корреляции с помощью t-критерия Стьюдента проводится путем со-поставления их значений с величиной случайной ошибки:
Случайные ошибки параметров линейной регрессии и коэффициента корре-ляции определяются по формулам:
|
(1.17) |
|
(1.18) |
|
(1.19) |
Сравнивая фактическое и критическое (табличное) значения t-статистики - tта6л и tфакт – принимаем или отвергаем гипотезу Но.
Связь между F- критерием Фишера и t- статистикой Стьюдента выражается равенством
|
(1.20) |
Если tта6л<tфакт, то Но отклоняется, т.е. a, b и rху не случайно отличаются от нуля и сформировались под влиянием систематически действующего фактора х. Если tта6л>tфакт, то гипотеза Но не отклоняется и признается случайная природа формирования а, b или rху.
Для расчета доверительного интервала определяем предельную ошибку ∆ для каждого показателя:
|
(1.21) |
Формулы для расчета доверительных интервалов имеют следующий вид:
|
(1.22) |
Если в границы доверительного интервала попадает ноль, т.е. нижняя гран-ица отрицательна, а верхняя положительна, то оцениваемый параметр принима-ется нулевым, так как он не может одновременно принимать и положительное, и отрицательное значения.
Прогнозное значение ур определяется путем подстановки в уравнение регрес-сии соответствующего (прогнозного) значения хр. Вычисляется средняя стандартная ошибка прогноза :
|
(1.23) |
где:
|
(1.24) |
и строится доверительный интервал прогноза:
|
(1.25) |
где:
|
(1.26) |